Waymo: Verbesserung des Waymo Drivers
Waymo hebt wieder ein Mal den Vorhang und lässt in seine Technik blicken: AutoAugment und Progressive Population Based Augmentation (PPBA).
Waymo ist das Unternehmen innerhalb der Autonomen Fahrzeugbranche, welches wohl am weitesten vorangeschritten ist. Nun lässt man wieder ein Mal etwas durchblicken, was die Akzeptanz gegenüber der Technik und des Unternehmens erhöhen soll.
Waymos Data Augmentation. Quelle: Waymo
Dieses Mal sieht man hinter dem hochgehobenen Vorhang die Vorgänge zur Umweltwahrnehmung. Dafür hat man die Sensorsuite, die aus Lidar-, Radar- und Kamera-Sensorik besteht. Die Datenverarbeitung erfolgt über die Künstliche Intelligenz (KI), woraus sich Entscheidungen für das Auto ableiten.
Das Training der KI bedarf bei Waymo eines riesigen Datensatzes. Andere Branchenbeteiligte verfolgen dabei andere Methoden, denn die Erstellung des Datensatzes inklusive des Labelling der Vorkommnisse ist zeit- und kostenaufwendig. Das stellt auch Waymo vor ein Problem.
Doch Waymo verfügt bereits über einen großen Datensatz, den man teilweise auch mit anderen teilt. Man hat bereits über 20 Millionen Testmeilen absolviert. Anhand dessen kann man seltene Vorkommnisse durchexerzieren. Dennoch braucht man immer mehr und dabei greift man auf Datenerweiterungen zurück. Das verursacht keine zusätzlichen Kosten, da man nicht mehr durch die Weltgeschichte fahren muss.
Datenerweiterung von Waymo. Quelle: Waymo
Das Prinzip ist so geartet, dass man vorhandene Daten nimmt und verändert. Man taucht sie andere Farben, verändert ihre Form oder die Bewegung leicht. Damit kann die KI weiter trainiert werden. Das Konzept nennt man AutoAugment, das schon seit 2019 existiert. Inzwischen hat man versucht, die Datenerweiterung auch auf Lidar-Fallbeispiele anzuwenden. Dabei geht es um die Erweiterung der Punktwolken, die der Lidarsensor abbildet.
Doch diese Herangehensweise ist sehr komplex, da es eine hohe Anzahl an Parametern impliziert, wie die geometrische Entfernung oder die Signalstärke. Die Lösung liegt im neuen Suchbereich für die Punktwolken, woraus sich Richtlinien und acht Erweiterungsoperationen ergeben. Dazu zählen beispielsweise der GroundTruthAugmentor für die Wahrscheinlichkeit der Erfassung der dynamischen Umwelt oder der GlobalTranslateNoise-Operation Parameter für die Verzerrungsgrößen der Übersetzungsoperationen für die X-, Y- und Z-Koordinaten.
Waymo hat diesen Prozess automatisiert und einen Datenaugmentationsalgorithmus entwickelt, den man Progressive Population Based Augmentation (PPBA) nennt. Dabei greift man auf frühere Erfahrungen aus der realen Welt zurück. Damit erhält man, so Waymo, eine Leistungsverbesserung in allen Erkennungsarchitekturen um den Faktor 10.
